Considerations for measuring the fractional anisotropy of metabolites with diffusion tensor spectroscopy
Notice bibliographique
Résumé
Diffusion tensor spectroscopy of metabolites in brain is challenging because of their lower diffusivity (i.e. less signal attenuation for a given b value) and much poorer signal-to-noise ratio relative to water. Although diffusion tensor acquisition protocols have been studied in detail for water, they have not been evaluated systematically for the measurement of the fractional anisotropy of metabolites such as N-acetylaspartate, creatine and choline in the white and gray matter of human brain. Diffusion tensor spectroscopy was performed in vivo with variable maximal b values (1815 or 5018 s/mm(2)). Experiments were also performed on simulated spectra and isotropic alcohol phantoms of various diffusivities, ranging from approximately 0.54 × 10(-3) to 0.13 × 10(-3) mm(2)/s, to assess the sensitivity of diffusion tensor spectroscopic parameters to low diffusivity, noise and b value. The low maximum b value of 1815 s/mm(2) yielded elevated fractional anisotropy (0.53-0.60) of N-acetylaspartate in cortical gray matter relative to the more isotropic value (0.25-0.30) obtained with a higher b value of 5018 s/mm(2); in contrast, the fractional anisotropy of white matter was consistently anisotropic with the different maximal b values (i.e. 0.43-0.54 for b = 1815 s/mm(2) and 0.47-0.51 for b = 5018 s/mm(2)). Simulations, phantoms and in vivo data indicate that greater signal attenuation, to a degree, is desirable for the accurate quantification of diffusion-weighted spectra for slowly diffusing metabolites.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».